MétaCan
Menu
Retour à la cohorte
Enregistrement W2162470768 · doi:10.1139/x08-164

A bioeconomic approach to assess the impact of an alien invasive insect on timber supply and harvesting: a case study with Sirex noctilio in eastern Canada

2009· article· en· W2162470768 sur OpenAlexafffundvenueabout
Denys Yemshanov, Daniel W. McKenney, Peter de Groot, Dennis A. Haugen, Derek Sidders, Brent Joss

Notice bibliographique

RevueCanadian Journal of Forest Research · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesNatural Resources CanadaCanadian Food Inspection AgencyMinistry of Natural Resources
Mots-clésInvasive speciesRange (aeronautics)AlienEcologyBiologyAgroforestryGeographyForestryEngineeringDemographyPopulation

Résumé

récupéré en direct d'OpenAlex

This study presents a model that assesses the potential impact of a new alien insect species, Sirex noctilio Fabricius, on pine timber supply and harvest activities in eastern Canada. We integrate the spread of S. noctilio with a broad-scale growth and harvest allocation model. Projections of pine mortality range between 25 × 10 6 and 115 × 10 6 m 3 over 20 years depending on S. noctilio spread and impact assumptions. Our model suggests Ontario could experience the highest, most immediate losses (78% of the potential losses across eastern Canada), with Quebec sustaining most of the rest of the losses over the next 20 years. Potential losses of $86 to $254 million per year are simulated after 20 years. The net present value of total harvest losses after 28 years of outbreak ranges between $0.7 to $2.1 billion. Adaptation policies decrease short-term losses by 46%–55% and delay larger harvest failures by 9–11 years. Without harvest adaptation, failures to maintain annual allowable cut levels may occur once the total area infested exceeds 15 × 10 6 ha. While better understanding and representing S. noctilio behaviour will involve a significant effort, there is a strong demand by policy makers for this kind of information.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,316

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,089
Tête enseignante GPT0,332
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations57
Publié2009
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207